python相关知识-logging日志、property属性、上下文管理器、生成器等

本文主要是介绍python相关知识-logging日志、property属性、上下文管理器、生成器等,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

1.logging日志

目的:

1.可以很方便的了解程序的运行情况

2.可以分析用户的操作行为、喜好等信息

3.方便开发人员检查bug

级别介绍:

1.DEBUG:程序调试bug时使用

2.INFO:程序正常运行时使用

3.WARNNING:程序未按预期运行时使用,但并不是错误的。如用户登录密码错误

4.ERROR:程序出错误时使用,如:IO操作失败

5.CRITICAL:特别严重的问题,导致程序不能再继续运行时使用,如磁盘空间为空,一般很少使用

默认的是WARNNING等级,当在WARNNING或WARNNING之上等级的才记录日志信息

日志等级从低到高的顺序是:DEBUG<INFO<WARNNING<ERROR<CRITICAL

#设置logging日志的配置信息

#level表示设置级别

#%(asctime)s表示当前时间

#%(filename)s表示程序文件名

#%(lineno)d表示行号

#%(levelname)s表示日志级别

#%(message)s表示日志信息

logging.basicConfig(level=logging.DEBUG,

format="%(asctime)s-%(filename)s[lineno:%(lineno)d]-%(levelname)s-%(message)s",

filename="log.txt",

filemode="a")

 

logging.debug("我一个debug级别的日志信息111")

logging.info("我一个info级别的日志信息")

logging.warning("我一个warning级别的日志信息")

logging.error("我一个error级别的日志信息")

logging.critical("我一个critical级别的日志信息")

#默认是warning,只有大于等于warning级别的日志才会输出显示

2.property属性

就是负责把一个方法当作属性进行使用,这样可以简化代码使用

装饰器方式:

@property表示把方法当作属性使用,表示当获取属性时会执行下面修饰的方法

@方法名.setter表示把方法当做属性使用,表示当设置属性时会执行下面修饰的方法

装饰器方式的property属性修饰的方法名一定要一样

类属性方式:

3.with语句

with语句打开关闭文件即安全又简单,并且with语句执行完成用户自动调用关闭文件操作,即使出现异常也会自动调用关闭文件操作

with open("1.txt, "w") as f:

f. write("hello world")

with语句执行完成,关闭文件操作自动完成,即使出现异常也不影响

4.上下文管理器

一个类只要实现了__enter__( )和__exit__( )这两个方法,通过该类创建的对象我们就称为上下文管理器

__enter__( ):上文方法,负责返回操作对象资源,比如文件对象,数据库连接对象

__exit__( ):下文方法,负责释放资源,with语句完成后自动执行,比如关闭文件,关闭数据库连接对象

上下文管理器可以使用with语句,with语句之所以这么强大,背后是由上下文管理器做支撑的,也就是说,open函数创建的文件对象就是一个上下文管理器对象

另一种实现方式:

假如想让一个函数称为上下文管理器,python提供了一个@contextmanager的装饰器,更进一步简化了上下文管理器的实现方式。通过yield将函数分割成两部分,yield上面的语句在__enter__方法中执行,yield下面的语句在__exit__方法中执行,紧跟在yield后面的参数是函数的返回值

5.生成器

根据程序员指定的规则循环生成的数据,当条件不成立时则生成数据结束。数据不是一次性全部生成处理,而是使用一个,再生成一个,可以节约大量内存。

创建生成器的方式:

1.生成器推导式:

与列表推导式类似,只不过生成器推导式使用小括号

2.yield关键字

只要在def函数里看到有yield关键字就是生成器

使用场景:

例如斐波那契数列

这篇关于python相关知识-logging日志、property属性、上下文管理器、生成器等的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1071216

相关文章

Java架构师知识体认识

源码分析 常用设计模式 Proxy代理模式Factory工厂模式Singleton单例模式Delegate委派模式Strategy策略模式Prototype原型模式Template模板模式 Spring5 beans 接口实例化代理Bean操作 Context Ioc容器设计原理及高级特性Aop设计原理Factorybean与Beanfactory Transaction 声明式事物

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

sqlite3 相关知识

WAL 模式 VS 回滚模式 特性WAL 模式回滚模式(Rollback Journal)定义使用写前日志来记录变更。使用回滚日志来记录事务的所有修改。特点更高的并发性和性能;支持多读者和单写者。支持安全的事务回滚,但并发性较低。性能写入性能更好,尤其是读多写少的场景。写操作会造成较大的性能开销,尤其是在事务开始时。写入流程数据首先写入 WAL 文件,然后才从 WAL 刷新到主数据库。数据在开始

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识

滚雪球学Java(87):Java事务处理:JDBC的ACID属性与实战技巧!真有两下子!

咦咦咦,各位小可爱,我是你们的好伙伴——bug菌,今天又来给大家普及Java SE啦,别躲起来啊,听我讲干货还不快点赞,赞多了我就有动力讲得更嗨啦!所以呀,养成先点赞后阅读的好习惯,别被干货淹没了哦~ 🏆本文收录于「滚雪球学Java」专栏,专业攻坚指数级提升,助你一臂之力,带你早日登顶🚀,欢迎大家关注&&收藏!持续更新中,up!up!up!! 环境说明:Windows 10

nudepy,一个有趣的 Python 库!

更多资料获取 📚 个人网站:ipengtao.com 大家好,今天为大家分享一个有趣的 Python 库 - nudepy。 Github地址:https://github.com/hhatto/nude.py 在图像处理和计算机视觉应用中,检测图像中的不适当内容(例如裸露图像)是一个重要的任务。nudepy 是一个基于 Python 的库,专门用于检测图像中的不适当内容。该

pip-tools:打造可重复、可控的 Python 开发环境,解决依赖关系,让代码更稳定

在 Python 开发中,管理依赖关系是一项繁琐且容易出错的任务。手动更新依赖版本、处理冲突、确保一致性等等,都可能让开发者感到头疼。而 pip-tools 为开发者提供了一套稳定可靠的解决方案。 什么是 pip-tools? pip-tools 是一组命令行工具,旨在简化 Python 依赖关系的管理,确保项目环境的稳定性和可重复性。它主要包含两个核心工具:pip-compile 和 pip